药物发现初创公司Converge Bio Inc. 今天宣布，它已经完成了550万美元的种子轮融资，旨在利用生成式人工智能帮助生物技术和制药公司更快地开发更有效的药物。这家初创公司创建了一个新颖的平台，该平台采用经过生物和化学数据（如DNA、RNA和蛋白质序列以及其他类型的分子模式）训练的高级大型语言模型（LLM）。这些LLM利用这些知识来发现和开发各种疾病和医疗条件的新药物。
Converge Bio希望加速药物发现过程，这一直是一个极其复杂、昂贵且耗时的事业。正如该公司指出的，开发新药并将其推向市场大约需要10年时间，成本通常超过10亿美元。高昂的成本意味着许多有前景的药物从未被制造出来，而漫长的时间则意味着许多人在等待可能的治疗方法时去世。
药物发现中最大的难题之一是失败率，超过90%的候选药物无法通过临床试验过程，尽管在它们的研发上花费了数百万美元。Converge Bio表示，它可以解决这一特定问题。联合创始人兼首席执行官多夫·格茨（Dov Gertz，图中居中，与首席科学官伊多·韦纳Iddo Weiner和首席技术官奥代德·卡莱夫Oded Kalev一起）表示，生成式AI在药物发现和开发方面具有巨大的潜力，目前已有数十种用该技术创造的新药正在进行临床试验。
“生物语言，如DNA和RNA，并不是随机序列——它们具有复杂的结构和规则，类似于口语的语法和句法。”他说，“生成式AI可以帮助研究人员理解DNA和RNA的语言，然后利用它来创造新药。就像ChatGPT可以立即生成一串词来回答问题一样，经过生物数据训练的模型可以帮助快速设计优化的mRNA序列用于疫苗，从而节省几个月甚至几年的时间。”
Converge Bio创建了一个“生成式AI中心”，生物技术和制药公司可以使用这个中心加速新型DNA和RNA药物的发现和开发。它提供了一个涵盖所有生物语言的基础LLM库，可以根据额外的数据进行定制和微调。其模型旨在帮助创建非常特定类型的药物，例如具有更高效果和更少副作用的抗体工程，或优化以引发更强免疫反应的mRNA疫苗。它还帮助小分子优化以及新蛋白和新生物标志物的创建。
格茨表示，药物发现过程始于预测生物结果，评估新药可能的效果。这些模型以科学家可以理解的生物学术语提供预测解释，这使他们能够改进药物，创造出更优化的候选药物，从而为患者带来更好的结果。“这些模型预先训练了大量数据，因此即使在最小的微调数据下也能产生重要的见解。”他说。
Converge Bio的平台已经吸引了包括梯瓦制药工业有限公司（Teva Pharmaceutical Industries Ltd.）、Compugen Ltd.（专门从事免疫肿瘤治疗）和BiomX Inc.（开发定制噬菌体疗法）在内的多家制药公司的关注。TLV Partners是本轮融资中唯一被命名的投资者。管理合伙人沙哈尔·扎弗里尔（Shahar Tzafrir）表示，他喜欢投资有大胆愿景的初创公司，但Converge Bio的方法让他“印象深刻”。“[它]将生成式AI融入生物学的结构中。”他说，“将生物数据视为一种语言的概念是变革性的。这不仅仅是推进药物发现，而是重塑我们如何理解、解释和操作生物学本身。”
(全文结束)
